UNIVERSIDAD NACIONAL DE INGENIERIA
UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE INGENIERIA QUIMICA Y TEXTIL AREA ACADEMICA DE INGENIERIA QUIMICA
TEMA: “REGRESION LINEAL APLICADA A LA INGENIERIA QUIMICA” CURSO: CALCULOS EN INGENIERIA QUIMICA (PI523-A). PROFESOR: OS! DAVILA TAPIA. ALUMNOS: VILLENA ARANCI"IA# ROSARIO ELI$A"ET%. ARTEAGA OROSCO# OSE LUIS RICARDO. SATISTE"AN O"REGON# LUIS STEVEN. FEC%A DE ENTREGA Y EXPOSICI&N: '2*
+NDICE 1
UNIVERSIDAD NACIONAL DE INGENIERIA . IN INTR TROD ODUC UCCI CI&N &N 3 2. FUN FUNDAM DAMENT ENTO OT TE&R E&RICO ICO 3 2..
REGRESI&N LI LINEAL SI SIMPLE
2...
3 LA MEOR RECTA DE REGRESI&N
2..2.
* ESTIMACI&N DE PAR,METROS
* 2..2.. M!TO 2..2.. M!TODO DO DE M+NIMOS M+NIMOS CUADRADO CUADRADOS S * 2..2.2. 2.. 2.2. M!TODO M!TODO DE M,XIMA VEROSIMI VEROSIMILITUD LITUD 5 REGRESI&N LINEAL MLTIPLE
2.2.
' MEOR
2.2..
EL
2.2.2.
ESTIMACI&N
2.2.2.. M!TODO 2.3.
%IPERPLANO
DE
DE DE
"ONDAD
REGRESI&N PAR,METROS
M+NIMOS
CUADRADOS
DE
/ 2.3..
COSTRASTE
/ 2.3.2.
COEFICIENTE
AUSTE
DE DE
REGRESI&N DETERMINACI&N
2 3. APL APLICA ICACI& CI&N N DE LA REG REGRES RESI&N I&N LINEAL LINEAL A LA INGENIER INGENIER+A +A QU+MICA QU+MICA 2 3..
PRO"LEMA
DE
3 3.2.
PRO"LEMA
DE
REGRESI&N REGRESI&N
'
2
LINEAL LINEAL
SIMPLE MLTIPLE
UNIVERSIDAD NACIONAL DE INGENIERIA *. CONCLUSIONES / 5. "I"LIOGRAF+A 20
. INTRODUCCION.Históricamente el nombre de reresión lineal se debe a los est!dios de "rancis Galton en biolo#a$ C!ando Galton est!diaba la relación entre las alt!ras de los Hi%os &'( con la de s!s )adres &*( se dio c!enta +!e los ,i%os de )adres altos son m-s altos +!e la media )ero no tanto como los )adres. / los ,i%os de )adres ba%os. en eneral. son m-s ba%os +!e la media )ero no tanto como s!s )adres. es decir. +!e la alt!ra de los ,i%os tiende a 0reresar a la media. de a,# el nombre de reresión$ La reresión lineal es !n mtodo matem-tico / estad#stico !tili3ado )ara modelar la relación entre 4ariables$ El modelo de reresión lineal sim)le consiste en relacionar !na 4ariable denominada de)endiente &'( / otra 4ariable denominada inde)endiente o e5)licati4a &*( a tra4s de !na recta +!e toma el nombre de recta de reresión$
En la reresión lineal m6lti)le mane%aremos m-s de !na 4ariable e5)licati4a. / al i!al +!e la reresión lineal sim)le. 4amos a considerar +!e los 4alores de la 4ariable de)endiente ' ,an sido enerados de !na combinación lineal de los 4alores de las 4ariables e5)licati4as7
8
UNIVERSIDAD NACIONAL DE INGENIERIA
2.. FUNDAMENTO TEORICO.2...
REGRESION LINEAL SIMPLE:
9ara e5)licar la manera en +!e )rocede este mtodo / la im)ortancia de ser a)licado en la Inenier#a :!#mica tenemos el si!iente e%em)lo7 S!)onamos +!e ,emos reco)ilado datos con in;ormación sobre 8< marcas de cer4e3a / +!e necesitamos est!diar la relación e5istente entre el rado de alco,ol de las cer4e3as / s! contenido calórico$ Como inicio del an-lisis tendremos los datos en !na r-=ca de dis)ersión. +!e se m!estra7
Se obser4a +!e con;orme a!menta el )orcenta%e de alco,ol. tambin a!menta el n6mero de calor#as$ Adem-s )odemos se>alar +!e en esta m!estra no ,a/ cer4e3as +!e teniendo alto contenido de alco,ol tenan )ocas calor#as / tam)oco +!e teniendo m!c,as calor#as tenan )oco alco,ol$ 9ara obtener !na descri)ción m-s concreta de los res!ltados relacionaremos las 4ariables mediante !na ;!nción matem-tica sim)le. a )rimera 4ista !na recta )!ede ser !na b!ena a)ro5imación$
2...
LA MEOR RECTA DE REGRESION:
Si tenemos !na sit!ación ideal en la +!e los datos se m!estren en la r-=ca de dis)ersión en !na l#nea recta. no tendr#amos +!e encontrar la me%or recta +!e describa el com)ortamiento de los datos? )!es tomar#amos 2 )!ntos / mediante relaciones matem-ticas ,allar#amos los )ar-metros obteniendo as# !n b!en a%!ste$ 9ero en !na n!be de )!ntos realista como el de n!estro e%em)lo se )odr#a tra3ar m!c,as rectas di;erentes / cada !na se a%!stara tambin di;erente a la n!be de )!ntos$ E5isten di;erentes mtodos )ara este a%!ste cada !no de ellos intenta minimi3ar !na medida di;erente del rado de a%!ste. )ero el m-s !sado es el @
UNIVERSIDAD NACIONAL DE INGENIERIA de la recta +!e ,ace mínima la suma de los cuadrados de las diferencias verticales entre cada punto y la recta.
2..2.
ESTIMACION DE PAR,METROS:
2..2.. M!TODO DE M+NIMOS CUADRADOS: En m#nimos c!adrados se estiman los )ar-metros de la recta +!e minimice la 4arian3a de la )ert!rbación aleatoria o 4arian3a resid!al. es decir. se b!scan !nos 4alores de / reresión sea m#nimo$
de ;orma +!e la distancia de cada )!nto a la recta de
Es decir. se calc!lar-n los )ar-metros de la recta de reresión de ;orma +!e dic,a recta )ase lo m-s cerca )osible &en )romedio( de todos los )!ntos$ Deri4ando la e5)resión anterior res)ecto de los )ar-metros. i!alando a cero / a)licando !n )oco de alebra obtenemos las e5)resiones de la estimación de cada )ar-metro$ Deri4ando res)ecto de
7
Deri4ando res)ecto de
7
<
UNIVERSIDAD NACIONAL DE INGENIERIA
Resol4iendo las ec!aciones 1 / 2 !tili3ando los datos de las mediciones tomadas. se determinan los )ar-metros de la recta de reresión$
2....2.2.
M!TODO DE M,XIMA VEROSIMILITUD:
Si consideramos +!e la )ert!rbación aleatoria si!e !na distrib!ción normal. )odemos a)licar el mtodo de estimación de m-5ima 4erosimilit!d$ La ;!nción de densidad )ara !n caso concreto es7
De donde la ;!nción de so)orte de la m!estra. es decir. la 4erosimilit!d de la m!estra en est!dio es7
El loaritmo de la ;!nción so)orte ser-7
Deri4ando esta e5)resión res)ecto de los )ar-metros / . e i!alando a cero. de ;orma +!e se obtena !nos )ar-metros +!e ma5imicen la 4erosimilit!d de la m!estra. obtendremos7 Deri4ando res)ecto de
7
UNIVERSIDAD NACIONAL DE INGENIERIA
Deri4ando res)ecto de
7
Al coincidir estas ec!aciones con las obtenidas )or m#nimos c!adrados se dem!estra +!e los )ar-metros estimados )or ambos mtodos 4an a coincidir$
.2. REGRESION LINEAL MULTIPLE: En la reresión lineal m6lti)le 4amos a !tili3ar m-s de !na 4ariable e5)licati4a lo +!e nos sini=car- m-s in;ormación )ara la constr!cción del modelo / en consec!encia reali3ar estimaciones m-s )recisas$ Al mane%ar m-s de !na 4ariable 4amos a considerar +!e los 4alores de la 4ariable inde)endiente ' se eneran )or !na combinación lineal de los 4alores de las 4ariables e5)licati4as / !n trmino aleatorio$
Los coe=cientes se determinar-n de manera +!e la s!ma de c!adrados entre los 4alores obser4ados / los )ronosticados sea m#nima. es decir. +!e se 4a a minimi3ar la 4arian3a resid!al$ La ec!ación mostrada anteriormente recibe el nombre de ,i)er)lano. )!es c!ando tenemos dos 4ariables e5)licati4as. en 4e3 de !na recta tenemos !n )lano7
B
UNIVERSIDAD NACIONAL DE INGENIERIA
2.2..
EL MEOR %IPERPLANO DE REGRESI&N:
De manera an-loa al caso de la reresión lineal sim)le. en la n!be de )!ntos o ra=ca de dis)ersión )ara la reresión lineal m6lti)le se )!eden tra3ar m!c,os ,i)er)lanos de reresión. )ero debemos eleir !n criterio )ara bas-ndonos en l. determinar el me%or ,i)er)lano de reresión$
.2.2. ESTIMACION DE PAR,METROS: 2.2.2.. M!TODO DE M+NIMOS CUADRADOS: Calc!laremos !n ,i)er)lano de reresión de ;orma +!e minimice la 4arian3a resid!al7
Utili3ando notación matricial7
UNIVERSIDAD NACIONAL DE INGENIERIA
$' teniendo en c!enta la de=nición de
7
$9or tanto7
$La 4arian3a se )!de e5)resar como7
$Es decir7
$La 4arian3a resid!al es !na ;!nción del 4ector de )ar-metros )ara +!e tena !n m#nimo ser-7
/ la condición
UNIVERSIDAD NACIONAL DE INGENIERIA $9ara ,acer m-s sencilla la deri4ación desarrollemos la e5)resión de la 4arian3a resid!al7
$I!alando a cero / des)e%ando7
$' se
es matri3 no sin!lar / )or lo tanto tiene in4ersa. tenemos7
$!lti)licando )or
7
Esta e5)resión del estimador de )ar-metros
$
.3. "ONDAD DE AUSTE: 2.3. CONTRASTE DE REGRESI&N: 9ara )ro)oner !n modelo &a%!ste( +!e e5)li+!e el com)ortamiento de !na 4ariable de)endiente res)ecto de s!s 4ariables e5)licati4as. como /a ,emos 4isto. se reali3a !n est!dio con )r!ebas e5)erimentales. es decir. estamos sacando concl!siones de !na m!estra de !n con%!nto am)lio de datos$ Es ob4io +!e distintas m!estras 4an a dar distintos 4alores de los )ar-metros$ Se denomina contraste de reresión al est!dio de la )osibilidad de +!e el modelo de reresión sea n!lo. es decir +!e el 4alor de la 4ariable e5)licati4a &5( no 4an a inF!ir de manera sini=cati4a en la 4ariable /$ eniendo en c!enta 1
UNIVERSIDAD NACIONAL DE INGENIERIA el modelo de reresión lineal sim)le. lo anterior ser#a e+!i4alente a a=rmar +!e7
Si esto es cierto. se si!e +!e7
Es decir. la medida de la manit!d 5 no 4a a )ro)orcionar in;ormación sobre el com)ortamiento de /$ 9ara ace)tar o descartar la )osibilidad de n!lidad se ,ace !n est!dio de la 4ariabilidad &V(. en la +!e esta se di4ide en dos com)onentes. !na com)onente e5)licada )or el modelo de reresión &VE( / otra com)onente no e5)licada &VNE($ La si!iente i!aldad es conocida como el teorema ;!ndamental de la descom)osición de la s!ma de c!adrados7
11
UNIVERSIDAD NACIONAL DE INGENIERIA
2$ Di4idiendo la 4ariabilidad total entre s!s rados de libertad. obtenemos la 4arian3a estimada de la 4ariable de)endiente7
Di4idiendo la 4ariabilidad no e5)licada entre s!s rados de libertad. obtenemos la 4arian3a resid!al de la 4ariable de)endiente7
Di4idiendo la 4arian3a e5)licada entre s!s rados de libertad. obtenemos estimador de la 4arian3a e5)licada7
"!entes
S!ma de c!adrados
Grados de libertad
12
Estimadores
UNIVERSIDAD NACIONAL DE INGENIERIA
Si los resid!os si!en !na distrib!ción normal /
. tenemos +!e7
9or tanto7
Es decir. el cociente entre la 4arian3a e5)licada / la no e5)licada sera)ro5imadamente 1$ Adem-s. al se!ir !na distrib!ción ". )odemos asinar !na medida de )robabilidad &)4al!e( a la ,i)ótesis de +!e la 4arian3a e5)licada es i!al a la 4arian3a no e5)licada$ En caso contrario la 4arian3a no e5)licada ser- m!/ in;erior a la 4arian3a e5)licada /. )or lo tanto este cociente tendr- !n 4alor m!/ s!)erior a 1$ En eneral. si )4al!e es menor +!e $< se ace)ta +!e el modelo de reresión es sini=cati4o? en caso contrario no )odemos ,ablar de reresión )!es el modelo ser#a n!lo$ Si ace)tamos +!e el modelo de reresión es sini=cati4o. es ,abit!al indicar el )4al!e como dato adicional del a%!ste$
2 .3.2. COEFICIENTE DE DETERMINACI&N (R ):
La 4arian3a resid!al nos )!ede indicar como est-n de cerca las estimaciones res)ecto de los )!ntos. )ero esta 4arian3a est- inF!ida )or la 4arian3a de la 4ariable de)endiente. la c!al a s! 4e3 est- inF!ida )or s! !nidad de medida$ 9or lo tanto. !na medida adec!ada es la )ro)orción de la 4arian3a e5)licada &VE( entre la 4arian3a total &V(? as# de=nimos el coe=ciente de determinación R27 18
UNIVERSIDAD NACIONAL DE INGENIERIA
Como R2 es el cociente de s!mas de c!adrados es siem)re )ositi4o$ Si la reresión ser#a )er;ecta. la 4arian3a no e5)licada ser- cero. / )or lo tanto7
3. APLICACION DE LA REGRESION LINEAL A LA INGENIERIA QU+MICA.La a)licación del )resente tema de est!dio en la carrera de Inenier#a :!#mica es m!/ basto. )or e%em)lo )ara ,allar la concentración de !n elemento +!e es !no de los )ar-metros de ma/or im)ortancia en los )rocesos +!#micos a)licados en la ind!stria$ Esta c!anti=cación se )!ede obtener mediante !n es)ectro;otómetro. dis)ositi4o +!e re+!iere se calibrado$ 9ara ello se elabora !na recta de calibración +!e se obtiene a )artir de la correlación entre la absorbancia de !n )atrón / la concentración de la s!stancia a controlar. tambin se )!ede !tili3ar en la e4al!ación de las constantes en !n modelo de )romedio de crecimiento de sat!ración +!e caracteri3a a la cintica microbial. entre otros m!c,os e%em)los )or eso a contin!ación se e5)licar-n 2 e%em)los con RLS / RL7
3.. PRO"LEMA DE REGRESION LINEAL SIMPLE:
1@
UNIVERSIDAD NACIONAL DE INGENIERIA 1$ Una ec!ación )ara la 4ariación de la 4iscosidad del l#+!ido con la tem)erat!ra es7 µ a × e =
b T
donde a. b son constantes em)#ricas / .
tem)erat!ra en J &KC( 2 &N$sM 1 m ( 2
8 ×
−3
@ −3
10
8.08 × 10
< −3
6.53 × 10
−3
5.33 × 10
Estime la 4iscosidad a 2< / 8< KC !tili3ando la ec!ación em)#rica$ So l uc i ó n:
µ a×e
Sacamosl nal aecuaci ón:
=
Ln
2
&N$sM m (
&J(
−3
=l n( a)+( b
×
1
T )
1M
Ln −3
1 × 10
28$1<
µ
b T
3.411122292 × 10 −3
88$1<
8.08 × 10
818$1<
6.53 × 10
828$1<
5.33 × 10
3.298697015
−3
3.19335781 × 10
−3
−3
3.0945381 × 10
−3
$BB<<2B @$188@ <$818@88 <$28@@@@1
Es t o sdat o sc o nayudadel aHPq ueno sf ac i l i t al as o l uc i ó nde lpr o bl e ma:
1<
UNIVERSIDAD NACIONAL DE INGENIERIA
1
Una vezque ya hemos c al c ul ado l os val or es de l as c onst ant es de l a ec uac i ón podemosc al c ul arl avi sc osi dadal at emper at ur apedi da:
Reempl azandopar aT=25° Cyl uego35° Cobt enemos:
2$ Se desea determinar la ener#a de acti4ación del )roceso de deradación de !n contaminante a !n )rod!cto inoc!o en ;ase l#+!ida$ En el est!dio de la cintica de la reacción a di;erentes tem)erat!ras se obt!4ieron los si!ientes datos7
So l uc i ó n:
Del aecuaci óndeAr r eni us,det er mi namoselmodel o:
Apl i c andol ogar i t monat ur alaambosmi embr osdel aexpr esi ón:
Obt enemosunar ect adel af or ma: Cal c ul andol o sval o r e sdel o spunt o spar al ar e gr e s i ó n: I ngr esamosl osdat osa Mi ni t ab,l uegovamosalmenú r egr esi ón,gr áficadel í nea aj ust ada:
I nt r o duc i mo sl asvar i abl e ss e gúnno si ndi c aMi ni t ab:
Yl uegoenacept ar :
Delgr áfico:
3.. PRO"LEMA DE REGRESION LINEAL MULTIPLE: 3.La ecuac i ón de Ant oi ne per mi t e cal cul ar l a pr esi ón de v apor de un component epur oenf unci óndel at emper at ur a.
Caract er i zarl aecuaci ón deAnt oi neparaelcál cul odel apr esi ón devapordel pr o pano ,c o nl as i g ui e nt et abl adev a l o r e s :
1 2 8 @ < B
So l uc i ó n:
B < @ 8 2 1
B$8 B $B 2 12$ 1$ 2 2$ 8 2<$ @ 81$ @ 8$ 2
11
8
$ 8
12
@
B
18
<
1@
1<
B 12@
1
1B
1@
1
1
@
1
1
2
<<$ <
2
1 11 12
1$ 1B $1 1@2 $
1B 218 2@
Par apoderobt enerl ospar ámet r osdel aecuaci ón deAnt oni el opr i mer oquese hace es pr i mer ol i neal i zamos l a expr esi ón de l a ec uaci ón apl i cando a cada mi embr ol af unci ónl ogar i t moenbasebase10:
Ahor aes t aúl t i maexpr esi ónt i enel af or made:
Ent o nc e sapl i c a mo su nar e g r e s i ó nl i ne almúl t i pl eal ae c uac i ó n
c o nl o sdat o sde
l at abl apr o po r c i o nada. Par a elcál cul o de l os par ámet r os ut i l i zar emos elsof t war e“ Mi ni Tab 17” .Est e pr ogr amaesf ác i ldemanej aryest o t al ment ec ompat i bl ec onelEx c el . Copi amos l os dat os a de l as vari abl es de l ar egr esi ón di r ect ament e de Exc ela Mi ni t ab. Ahor anosdi r i gi mosalmenúes t adí s t i c as,l uegoar egr esi ón,r egr esi ónyaaj us t ede model o.Luegomi ni t ad nospedi r á queespeci fiquemosl a var i abl er espuest a yl as e x pl i c at i v as ,e nt o nc e sl asse l e c i o namo ss e gúne lmo de l o ,l ue goac e pt ar .
Dei nmedi at oMi ni t abnosmost r ar áunat abl aconl ai nf or maci ónbási cadelmodel o yunanál i s i ses t adí s t i c o:
Del at abl a:
Yl aecuaci óndeAnt oni equedacar act er i zadacomo:
*. CONCLUSIONES.•
•
•
•
El an-lisis de reresión / correlación lineal constit!/en mtodos +!e se em)lean )ara conocer las relaciones / sini=cación entre series de datos$ Lo anterior. es de s!ma im)ortancia )ara la ind!stria /a +!e es a+!# en donde se )resentan 4ariables de res)!esta e inde)endientes las c!ales interact6an )ara oriinar las caracter#sticas de !n )roceso en )artic!lar / )or ende? anali3ar. )redecir 4alores de la 4ariable de)endiente / e5aminar el rado de ;!er3a con +!e se relacionan dic,as 4ariables$ La reresión lineal sim)le / la reresión m6lti)le. anali3a la relación de dos o m-s 4ariables contin!as. c!ando anali3a dos 4ariables a esta se le conoce como 4ariable bi4ariantes +!e )!eden corres)onder a 4ariables c!alitati4as$ La =nalidad de !na ec!ación de reresión es la de estimar los 4alores de !na 4ariable con base en los 4alores conocidos de la otra$ Del mismo modo. !na ec!ación de reresión e5)lica los 4alores de !na 4ariable en trminos de otra$ Es decir. se )!ede int!ir !na relación de ca!sa / e;ecto entre dos o m-s 4ariables$ El an-lisis de reresión 6nicamente indica +! relación matem-tica )odr#a ,aber. de e5istir !na$ 9or otro lado. Al a%!star !n modelo de reresión sim)le o m6lti)le a !na n!be de obser4aciones es im)ortante dis)oner de al!na medida +!e )ermita medir la bondad del a%!ste$ Esto se consi!e con los coe=cientes de correlación$ Si el modelo +!e se a%!sta es !n modelo de reresión lineal. a R se le denomina coe=ciente de correlación / re)resenta el )orcenta%e de 4ariabilidad de la ' +!e e5)lica el modelo de reresión$ Estas tcnicas estad#sticas constit!/en !na ,erramienta 6til )ara el an-lisis de las 4ariables de !n )roceso /a +!e a tra4s de la a)licación de stas. es )osible conocer el modelo +!e si!en / la ;!er3a con +!e se enc!entran relacionadas$ Asimismo. es )osible e5)licar la relación +!e !ardan dos o m-s ca!sas de !n )osible de;ecto$
5. "I"LIOGRAFIA.•
Re)ositorio Instit!cional de la Uni4ersidad de Alicante$ Art#c!lo sobre 9roblemas a)licados a la inenier#a +!#mica$ Alicante. Es)a>a$ Cons!ltado el 1
•
•
Uni4ersidad 9olitcnica de Cartaena$ De)artamento de inenier#a minera eolóica / cartor-=ca$ Art#c!lo sobre 0A)licación de la di;racción de ra/os *$ Cartaena. !rcia. Es)a>a$ Cons!ltado el 1a$ Cons!ltado el 1
•
Tneles Cea DAncona$ De)artamento de Sociolo#a IV. Uni4ersidad Com)l!tense adrid$ Art#c!lo sobre 0An-lisis de reresión lineal$ adrid. Es)a>a$ Cons!ltado el 1
•
9ro;esor "$$ Parón Ló)e3$ Uni4ersidad de -laa$ Unidad docente. atem-tica a)licada / estad#stica$ Art#c!lo sobre 0Reresión lineal$ -laa. Es)a>a$ Cons!ltado el 1